論文の概要: Quantum Deep Sets and Sequences

• arxiv url: http://arxiv.org/abs/2504.02241v1
• Date: Thu, 03 Apr 2025 03:14:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-04 12:57:32.824029
• Title: Quantum Deep Sets and Sequences
• Title（参考訳）: 量子深部集合とシーケンス
• Authors: Vladimir Vargas-Calderón,
• Abstract要約: 本稿では、量子機械学習ツールボックスを拡張した量子深層集合モデルを提案する。 このモデルのためにいくつかの変種が提示される。 量子深集合とシーケンス(QDS)の有効性と汎用性を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: This paper introduces the quantum deep sets model, expanding the quantum machine learning tool-box by enabling the possibility of learning variadic functions using quantum systems. A couple of variants are presented for this model. The first one focuses on mapping sets to quantum systems through state vector averaging: each element of the set is mapped to a quantum state, and the quantum state of the set is the average of the corresponding quantum states of its elements. This approach allows the definition of a permutation-invariant variadic model. The second variant is useful for ordered sets, i.e., sequences, and relies on optimal coherification of tristochastic tensors that implement products of mixed states: each element of the set is mapped to a density matrix, and the quantum state of the set is the product of the corresponding density matrices of its elements. Such variant can be relevant in tasks such as natural language processing. The resulting quantum state in any of the variants is then processed to realise a function that solves a machine learning task such as classification, regression or density estimation. Through synthetic problem examples, the efficacy and versatility of quantum deep sets and sequences (QDSs) is demonstrated.
• Abstract（参考訳）: 本稿では、量子システムを用いたバリアード関数の学習を可能にすることにより、量子機械学習ツールボックスを拡張した量子深層集合モデルを提案する。 このモデルのためにいくつかの変種が提示される。 集合の各要素は量子状態にマッピングされ、集合の量子状態はその要素の対応する量子状態の平均である。 このアプローチは置換不変なバリアディックモデルの定義を可能にする。 第2の変種は順序集合、すなわち列に対して有用であり、混合状態の積を具現化するトリスト確率テンソルの最適コヒーレンスに依存している:集合の各元は密度行列に写像され、集合の量子状態はその要素の対応する密度行列の積である。 このような変種は自然言語処理などのタスクに関係がある。 結果の量子状態は、いずれかの変種でも処理され、分類、回帰、密度推定といった機械学習タスクを解決する関数が実現される。 合成問題の例を通して、量子深部集合とシーケンス(QDS)の有効性と汎用性を示す。

関連論文リスト

• Supervised binary classification of small-scale digits images with a trapped-ion quantum processor [56.089799129458875]
  量子プロセッサは、考慮された基本的な分類タスクを正しく解くことができることを示す。 量子プロセッサの能力が向上するにつれ、機械学習の有用なツールになり得る。
  論文  参考訳（メタデータ） (2024-06-17T18:20:51Z)
• Discrete dynamics in the set of quantum measurements [0.0]
  P_j=P_jdaggeq 0$ の正作用素の集合である。 ブロックワイズ行列による量子測定の集合における離散変換を記述する。 我々は、古典的バーホフ多面体(英語版)のオストロフスキーの記述の量子的類似性(英語版)を定式化する。
  論文  参考訳（メタデータ） (2023-08-10T19:34:04Z)
• Calculating the many-body density of states on a digital quantum computer [58.720142291102135]
  ディジタル量子コンピュータ上で状態の密度を推定する量子アルゴリズムを実装した。 我々は,量子H1-1トラップイオンチップ上での非可積分ハミルトニアン状態の密度を18ビットの制御レジスタに対して推定する。
  論文  参考訳（メタデータ） (2023-03-23T17:46:28Z)
• Variational Approach to Quantum State Tomography based on Maximal Entropy Formalism [3.6344381605841187]
  我々は最大エントロピー形式を用いて、与えられた期待値の集合と一致する最小バイアスの混合量子状態を構築する。 我々は、パラメータ化量子回路とハイブリッド量子古典変動アルゴリズムを用いて、我々のレシピを短期量子デバイスで容易に実装できるようにする。
  論文  参考訳（メタデータ） (2022-06-06T01:16:22Z)
• Entanglement and coherence in Bernstein-Vazirani algorithm [58.720142291102135]
  Bernstein-Vaziraniアルゴリズムは、オラクルに符号化されたビット文字列を決定できる。 我々はベルンシュタイン・ヴァジラニアルゴリズムの量子資源を詳細に分析する。 絡み合いがない場合、初期状態における量子コヒーレンス量とアルゴリズムの性能が直接関係していることが示される。
  論文  参考訳（メタデータ） (2022-05-26T20:32:36Z)
• Q-means using variational quantum feature embedding [0.9572675949441442]
  変分回路の目的は、量子的特徴を持つヒルベルト空間のクラスターを極大に分離することである。 量子回路の出力は、特定のクラスタに属する全ての量子状態の重ね合わせを表す特徴的なクラスター量子状態である。 期待値の勾配は、変動回路のパラメータを最適化し、より良い量子特徴写像を学習するために用いられる。
  論文  参考訳（メタデータ） (2021-12-11T13:00:51Z)
• Stochastic emulation of quantum algorithms [0.0]
  量子アルゴリズムに必要な量子力学状態の基本特性を共有する新しい対象として,粒子位置の確率分布の高次偏微分を導入する。 これらの普遍写像から構築された写像による伝播は、量子力学状態の進化を正確に予測できる。 我々は、いくつかのよく知られた量子アルゴリズムを実装し、必要な量子ビット数による実現のスケーリングを分析し、エミュレーションコストに対する破壊的干渉の役割を強調した。
  論文  参考訳（メタデータ） (2021-09-16T07:54:31Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
  53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。 演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
  論文  参考訳（メタデータ） (2021-01-21T22:18:49Z)
• Quantum Gram-Schmidt Processes and Their Application to Efficient State Read-out for Quantum Algorithms [87.04438831673063]
  本稿では、生成した状態の古典的ベクトル形式を生成する効率的な読み出しプロトコルを提案する。 我々のプロトコルは、出力状態が入力行列の行空間にある場合に適合する。 我々の技術ツールの1つは、Gram-Schmidt正則手順を実行するための効率的な量子アルゴリズムである。
  論文  参考訳（メタデータ） (2020-04-14T11:05:26Z)
• On quantum ensembles of quantum classifiers [0.0]
  量子機械学習は、量子コンピュータの根底にある性質を利用して機械学習技術を強化する。 量子分類器の量子アンサンブルの具体的な実装は、精度重み付き量子アンサンブルと呼ばれ、完全に量子化することができる。 一方、一般的な量子アンサンブルフレームワークは、特に量子スピードアップを提供する有名なDeutsch-Jozsaアルゴリズムを含むことが示されている。
  論文  参考訳（メタデータ） (2020-01-29T13:46:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。